假设一个班交上来一批短篇故事：有的语言流畅，有的情节安排出人意料，还有的想法有趣，写起来却显得粗糙。老师想评价作品的创意，光数“别人没用过的点子”，会漏掉故事整体的构思；只问作者自己，也少了一份来自作品之外的判断。
创造力测试涉及真实作品时，可以采用“作品共识评估”。它的英文简称是 CAT，做法是请几位熟悉相应领域的人，各自评价同一批作品，再看他们的判断是否相近。这里的“共识”，来自独立评价之后的相互印证。它帮助我们回答：在这批作品中，哪些作品更有创意，懂行的人能否形成较稳定的判断。
先让作品有可比的地方
沿用这个假设，老师可以给全班同一个开放的创作任务，交代故事的篇幅、可用时间、允许借助的材料，以及什么样的作品算完成要求，同时给人物、情节和表达留下发挥空间。要求过细，大家只能照着做，创意就很难有机会显现。
这些共同条件让评价有了参照。一个下午独立写的短篇，与经过长期打磨、得到大量协助的作品，即使放在同一张评分表里，分数也很难说清差别从哪里来。如果老师还想比较两种教学安排的效果，就需要考虑学生原有的写作水平，否则熟练程度的差异也会混进结果。
评审也要与作品相配。评价故事，需要熟悉这类创作的人；换成程序设计，就需要懂相应技术和创作实践的人。对领域的熟悉，能帮助评审认出作品用了什么常见办法，又在哪里作出了有意思的处理。评审本人是否成名，并非这套方法的关键。
各自看完，才知道判断是否真的相近
懂行的人聚在一起，常会很快聊出一个共同意见。但在作品共识评估中，各位评审要先独立看作品、独立留下判断，评价时彼此不商量。组织者可以说明任务和评分操作，同时应把对创意的专业判断留给评审，避免事先拿几个样例，把大家教成同一种答案。
还要给每位评审安排不同的随机阅读顺序。比如同一篇故事，有人先读，有人在中间读，有人最后读。这样可以减少共同顺序带来的干扰：如果所有人都紧接着读到同一篇特别突出的作品，后面的作品可能一起受到这种比较背景的影响。
评审评价的是作品在这一批里的相对表现。面对学生短篇，就在这批短篇中比较构思和表达的创造性。若拿文学史上的杰作作统一参照，学生之间原本有意义的差别，反而可能挤在评分表很小的一段里。
评分收齐后，先看评审是否大体认可相同的作品更有创意。正式研究还需要用统计方法检查这种一致程度，再决定怎样汇总分数。如果有的评审把某篇排在前面，另一些却排在后面，一个平均分就可能藏住重要分歧。这时值得保留各自的判断，弄清大家是否熟悉同一种创作、对任务的理解是否一致，评价过程是否受到了干扰。
把创意和完成度分开，反馈才更具体
作品给人的整体印象很强，精致的做工、顺畅的语言，也容易让人觉得“这一定很有创意”。因此，可以请评审分别评价创造性和技术完成度；对适合讨论美感的作品，再单独评价审美吸引力。分开记录后，才能进一步了解：评审眼中的创意，究竟与这些方面有多大关系。
继续看这个假设：一篇故事在创造性上获得较高评价，语言完成度却一般，反馈就可以落到“构思值得保留，表达还需打磨”。另一篇语言成熟、创意评价平平，则可以鼓励作者尝试更多叙事安排。这样的反馈保留了作品各自的长处，也让下一次修改有了方向。创意与完成度在实际评价中可能相关，分项记录能帮助我们理解这种关系。
最后给作者的结论，也应落在具体作品上：“在这次短篇任务中，这篇作品得到多位评审较一致的创造性评价。”这句话有明确的依据和用途。至于作者在其他领域的表现、下一件作品会怎样，或者作品能否卖得好，还需要相应的作品与现实反馈。一次评价最有价值的地方，是把这件作品的特点说得更清楚，让创作者知道哪些地方值得继续发展。
方法依据：Hennessey、Amabile 与 Mueller（2011），《Consensual Assessment》，关于作品共识评估的定义、任务条件、独立评审与评分一致性的说明。